在网站上做的h5如何发到微信上,网站建设具体步骤应该怎么做,创建一个网站所需的成本,大专毕业设计怎么做GLM-OCR安装包制作教程#xff1a;一键分发您的定制化OCR工具 你是不是已经用GLM-OCR搭建了一个好用的文字识别工具#xff0c;自己用着挺顺手#xff0c;现在想分享给同事或者客户试试#xff1f;直接扔给他们一堆代码和配置文件#xff0c;估计对方会一头雾水。今天. --add-data configs/config.yaml;configs ocr_tool.py在macOS/Linux上分隔符是冒号pyinstaller --onefile --add-data model_final.pth:. --add-data configs/config.yaml:configs ocr_tool.py这个参数的意思是把本地的model_final.pth文件打包到生成的可执行文件的同级目录.把configs/config.yaml打包到可执行文件内部的configs文件夹里保持原有结构。问题二隐藏的依赖或动态库有时候一些依赖不会被PyInstaller自动分析到导致程序运行时崩溃。你可以通过创建一个“钩子”文件来告诉PyInstaller。新建一个文件例如hook-glm_ocr.py。在里面写上可能需要额外包含的模块例如# hook-glm_ocr.py from PyInstaller.utils.hooks import collect_all datas, binaries, hiddenimports collect_all(your_ocr_package_name) # 或者手动添加隐藏的import # hiddenimports [一些没被自动分析到的模块名]打包时使用--additional-hooks-dir参数指定钩子文件所在目录。问题三打包体积过大PyTorch、OpenCV这些库本身就很大。你可以尝试使用--exclude-module排除一些绝对用不到的模块风险较高。更稳妥的方法是在requirements.txt里尽量使用精简的依赖版本并在虚拟环境中测试打包后的程序是否运行正常。一个相对完整的打包命令示例pyinstaller --onefile \ --name MyGLMOCR_Tool \ --add-data assets:assets \ --icon app_icon.ico \ --clean \ ocr_tool.py--name: 指定生成的可执行文件名称。--icon: (仅Windows) 给exe文件设置一个图标。--clean: 清理上次打包的缓存建议每次都加上。3. 编写安装向导与封装只有一个可执行文件对用户来说还不够友好。我们最好能提供一个安装程序帮用户处理一些事情比如创建桌面快捷方式、添加环境变量等。3.1 使用Inno Setup制作Windows安装包对于Windows用户Inno Setup是一个免费且强大的安装包制作工具。它通过一个脚本文件.iss来定义安装过程。下面是一个简单的示例脚本setup.iss; 脚本由 Inno Setup 脚本向导生成 [Setup] AppName我的GLM-OCR工具 AppVersion1.0 DefaultDirName{autopf}\MyGLMOCR DefaultGroupName我的GLM-OCR工具 UninstallDisplayIcon{app}\MyGLMOCR_Tool.exe Compressionlzma2 SolidCompressionyes OutputDiruserdocs:Inno Setup Output [Files] ; 这里指定要打包的文件关键是把PyInstaller生成的整个dist文件夹内容都加进来 Source: dist\MyGLMOCR_Tool.exe; DestDir: {app}; Flags: ignoreversion Source: dist\*; DestDir: {app}; Flags: ignoreversion recursesubdirs createallsubdirs ; 还可以包含其他资源比如使用手册 Source: docs\UserManual.pdf; DestDir: {app}\docs; Flags: ignoreversion [Icons] ; 在开始菜单创建快捷方式 Name: {group}\我的GLM-OCR工具; Filename: {app}\MyGLMOCR_Tool.exe ; 在桌面创建快捷方式可选 Name: {commondesktop}\我的GLM-OCR工具; Filename: {app}\MyGLMOCR_Tool.exe [Run] ; 安装完成后可以选择是否运行程序 Filename: {app}\MyGLMOCR_Tool.exe; Description: 启动GLM-OCR工具; Flags: postinstall nowait skipifsilent用Inno Setup编译器打开这个脚本文件点击“编译”就能生成一个标准的.exe安装程序了。用户双击这个安装程序就会看到熟悉的“下一步”安装界面。3.2 编写简单的Shell脚本macOS/Linux在macOS或Linux上我们可以写一个简单的Shell安装脚本install.sh。#!/bin/bash echo 正在安装 GLM-OCR 工具... # 1. 定义安装目录 INSTALL_DIR$HOME/Applications/MyGLMOCR # 2. 创建目录 mkdir -p $INSTALL_DIR # 3. 复制文件假设你已经把打包好的文件放在当前目录的release文件夹下 cp -r ./release/* $INSTALL_DIR/ # 4. 设置执行权限 chmod x $INSTALL_DIR/MyGLMOCR_Tool # 5. 可选创建桌面快捷方式或链接到PATH # 例如创建一个软链接到 /usr/local/bin这样可以在终端直接运行 # sudo ln -sf $INSTALL_DIR/MyGLMOCR_Tool /usr/local/bin/glm-ocr echo 安装完成程序已安装到: $INSTALL_DIR echo 你可以通过运行 $INSTALL_DIR/MyGLMOCR_Tool 来启动它。用户只需要在终端里给这个脚本加上执行权限然后运行它就行chmod x install.sh ./install.sh4. 制作Docker镜像作为备选方案如果你的用户熟悉Docker或者你需要部署到服务器环境那么提供一个Docker镜像是非常专业和方便的选择。Docker能保证环境完全一致避免了“在我机器上好好的”这种问题。4.1 编写Dockerfile在你的项目根目录下创建一个名为Dockerfile的文件没有后缀。# 使用一个包含Python的轻量级基础镜像例如官方的slim版本 FROM python:3.9-slim # 设置工作目录 WORKDIR /app # 复制依赖列表文件 COPY requirements.txt . # 安装依赖使用清华镜像源加速可选 RUN pip install --no-cache-dir -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt # 复制你的应用程序代码和必要的模型文件 COPY . . # 如果你的主程序需要特定端口可以声明例如一个Web界面 # EXPOSE 7860 # 定义容器启动时默认执行的命令 # 假设你的入口是 ocr_tool.py 或者直接运行打包好的程序如果你把打包步骤也做到Dockerfile里 CMD [python, ocr_tool.py] # 如果你在Dockerfile里进行了打包最后运行可执行文件可能是 # CMD [./dist/MyGLMOCR_Tool]4.2 构建与运行镜像有了Dockerfile构建和运行就很简单了。构建镜像在Dockerfile所在目录打开终端执行以下命令。-t参数给镜像起个名字和标签。docker build -t my-glm-ocr:1.0 .运行容器镜像构建成功后可以用它来启动一个容器。# 最基本的运行方式 docker run --rm my-glm-ocr:1.0 # 如果程序有Web界面比如开了7860端口需要映射端口到宿主机 # docker run --rm -p 7860:7860 my-glm-ocr:1.0 # 如果程序需要读取宿主机上的图片可以挂载一个目录 # docker run --rm -v /path/to/your/images:/app/images my-glm-ocr:1.0你可以把构建好的镜像推送到Docker Hub或者私有的镜像仓库用户只需要一条docker pull和docker run命令就能使用你的工具极其方便。5. 测试与分发打包完成不是终点一定要测试在纯净环境测试找一台没有安装Python和相关依赖的电脑或者新建一个虚拟机运行你的安装包或Docker镜像看看是否能正常启动、执行OCR功能。这是最关键的一步。准备说明文档写一个简单的README.txt或用户手册.pdf告诉用户如何安装、基本操作步骤以及遇到常见问题该怎么办。打包分发物将最终生成的安装程序如MyGLMOCR_Setup.exe、Dockerfile、以及说明文档一起压缩成一个zip文件就可以分发出去了。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。